軟件規(guī)模和復(fù)雜度的不斷增長給軟件數(shù)據(jù)帶來了大量缺陷,而含有缺陷的軟件在運行時會造成難以想象的后果,嚴重時甚至會給社會帶來巨大的經(jīng)濟損失。因此如何提升軟件質(zhì)量目前成為軟件工程領(lǐng)域中最為重要的問題。軟件缺陷預(yù)測技術(shù)能在軟件開發(fā)初期,及時準確地預(yù)測出軟件模塊是否具有缺陷,幫助測試人員合理有效地分配有限的測試資源,降低軟件維護成本,進而提高軟件質(zhì)量。軟件缺陷預(yù)測方法的預(yù)測效果與數(shù)據(jù)集自身的特點有著密切的相關(guān)性,通過研究發(fā)現(xiàn),目前軟件缺陷預(yù)測過程中常出現(xiàn)缺陷數(shù)據(jù)分布不平衡、特征信息冗余以及特征維度過大的問題。針對這些問題,結(jié)合深度學習對數(shù)據(jù)特征強大的學習能力,本文提出了基于深度自編碼網(wǎng)絡(luò)的軟件缺陷預(yù)測方法。本文使用的這種方法包括一種基于無監(jiān)督學習和隨機采樣的混合采樣方法,解決了數(shù)據(jù)集中類不平衡問題,同時使用深度自編碼網(wǎng)絡(luò)的數(shù)據(jù)特征進行降維,有效提升了數(shù)據(jù)樣本的質(zhì)量,進而提升缺陷預(yù)測模型的性能。主要工作內(nèi)容如下:1)閱讀了大量國內(nèi)外相關(guān)文獻,總結(jié)當前軟件缺陷預(yù)測過程中常見的挑戰(zhàn),包括軟件缺陷數(shù)據(jù)不規(guī)則、缺陷數(shù)據(jù)分布不平衡以及特征信息冗余等問題。2)提出了一種基于無監(jiān)督學習和隨機采樣的采樣方法,該方...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖2.1軟件缺陷技術(shù)分類Fig2.1Classificationofdefectpredictiontechniques

圖2.1軟件缺陷技術(shù)分類Fig2.1Classificationofdefectpredictiontechniques①靜態(tài)缺陷預(yù)測技術(shù)：根據(jù)發(fā)展歷史，可以分為基于度量元的缺陷預(yù)測技術(shù)、缺陷分布預(yù)測技術(shù)和缺陷預(yù)測模型技術(shù)。1）基于度量元的缺陷預(yù)測技術(shù)：軟件度量元....

圖2.2特征選擇過程

慶大學碩士學位論文2相關(guān)理論基X=X(2用m個最小的非零特征值對應(yīng)的特征向量作為最后數(shù)輸出結(jié)果，即經(jīng)過LPP后的投影矩陣。.2.2特征選擇特征選擇技術(shù)主要是從原始特征中選出一個子集，得到數(shù)據(jù)更加緊湊的表樣也是軟件缺陷預(yù)測領(lǐng)域中解決軟件數(shù)據(jù)維數(shù)....

圖2.3篩選器原理

隨機產(chǎn)生序列選擇算法(簡稱(簡稱GA)。隨機產(chǎn)生序列選擇算法選擇，首先隨機產(chǎn)生一個特征子集FS和SBS貪心算法的局部最優(yōu)解。局部最優(yōu)的缺陷，如若最優(yōu)解區(qū)域用評價函數(shù)給特征子集評分，然后特征子集被選中繁殖的概率依賴于ationFunction)：依據(jù)工作原理，(Wrapp....

圖2.4封裝器原理

息增益度量基于信息熵，信息熵的合元素分布越紊亂，信息熵越大。前分類標簽D的信息熵，計算公式()=щ()D的概率。然后計算選用特征后()=щ(式(2.17)：(....

本文編號：3903951